論文の概要: AGGR-Mamba: Mamba-based Network with Attention-Guided Gated Residual Refinement for Undersampled MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2610.28291v1
• Date: Tue, 20 Oct 2026 14:39:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.858406
• Title: AGGR-Mamba: Mamba-based Network with Attention-Guided Gated Residual Refinement for Undersampled MRI Reconstruction
• Title（参考訳）: AGGR-Mamba:mmba-based network with Attention-Guided Gated Refinement for Undersampled MRI
• Abstract要約: アンダーサンプド磁気共鳴画像(MRI)再構成は、部分的に取得したk空間データから高品質な画像の復元を目的としている。 周波数領域の欠如は、しばしば余剰のアーティファクト、ぼやけたエッジ、局所的な構造的詳細の喪失につながる。 我々は,脳MRIのアンサンプ再生のために,Mambaバックボーン上に構築した軽量出力ステージ残像補正法AGGR-Mambaを提案する。
• 参考スコア（独自算出の注目度）: 3.5991395327501805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Undersampled magnetic resonance imaging (MRI) reconstruction aims to recover high-quality images from partially acquired k-space data, thereby reducing scan time. However, missing frequency-domain measurements often lead to residual aliasing artifacts, blurred edges, and loss of local structural details. In this paper, we propose AGGR-Mamba, a lightweight output-stage residual refinement method built upon a Mamba backbone for undersampled brain MRI reconstruction. The Mamba backbone first produces an initial reconstruction, and the proposed refinement modules then correct the remaining local errors and high-frequency artifacts in a controlled residual manner. Specifically, an Attention Refine Head is introduced to recalibrate local anatomical structures, edge textures, and residual-error regions through channel and spatial attention. In addition, a GDFN-style gated residual refinement branch is designed to selectively preserve informative residual features while suppressing redundant or unstable responses. By combining attention-based recalibration with gated residual selection, AGGR-Mamba improves local structure recovery without substantially disturbing the backbone reconstruction. Experiments are conducted on the IXI brain MRI dataset with T1- and T2-weighted images under acceleration factors of R=4 and R=8. The results show that AGGR-Mamba achieves competitive PSNR and SSIM performance across different reconstruction settings, demonstrating the effectiveness of the proposed output-stage refinement strategy.
• Abstract（参考訳）: アンダーサンプド磁気共鳴画像(MRI)再構成は、部分的に取得したk空間データから高品質な画像の復元を目的としており、スキャン時間を短縮する。 しかし、周波数領域測定の欠如は、しばしば余剰のアーティファクト、ぼやけたエッジ、局所的な構造的詳細の喪失につながる。 本稿では,脳MRIのアンダーサンプル再構成のための,Mambaバックボーン上に構築した軽量出力ステージ残像補正法AGGR-Mambaを提案する。 マンバのバックボーンは最初に初期再構成を行い、提案された改良モジュールは残りの局所誤差と高周波アーティファクトを制御された残留方法で補正する。 特に、アテンションリファインヘッドは、チャネルと空間的注意を通して局所解剖構造、エッジテクスチャ、残留エラー領域を校正するために導入される。 さらに、GDFNスタイルのゲート残差分枝は、冗長または不安定な応答を抑えつつ、情報的残差を選択的に保存するように設計されている。 注意に基づく再校正とゲート残差選択を組み合わせることにより、AGGR-Mambaは背骨再建を著しく阻害することなく局所構造回復を改善する。 R=4とR=8の加速係数の下で、T1およびT2強調画像を用いたIXI脳MRIデータセットで実験を行った。 以上の結果から,AGGR-MambaはPSNRとSSIMの競合性能を異なる再構成条件で達成し,提案手法の有効性を実証した。

関連論文リスト

• Tissue-Mixture Entropy-Weighted Reconstruction for Partial-Volume-Aware Brain MRI Super-Resolution [9.058132701129653]
  PVE対応トレーニング目標を用いた低分解能(LR)のみの再建バックボーンを提案する。 AGW-PBRは、下流分析に関連する組織移行情報を保存しながら、脳MRI SRを改善している。
  論文  参考訳（メタデータ） (2026-08-27T05:58:41Z)
• Reconstruction-Shift Discrimination via Mask-Guided Latent Diffusion for Medical Anomaly Detection [58.92871907037662]
  教師なしの医学的異常検出は、正常な訓練画像から正常な解剖パターンを学習し、テスト時の偏差を識別する。 再構成に基づく拡散に基づく手法は、通常、入力画像とその再構成の違いを異常な証拠として利用する。 本研究は,残差に基づく局所化と再構成-シフト判別を補完する医用異常検出フレームワークであるDMDを提案する。
  論文  参考訳（メタデータ） (2026-08-01T04:56:39Z)
• Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI [5.844079330191764]
  SA-RDM-DCは、加速膝MRIのためのデータ一貫性を持つ自己監査残差生成ドリフトモデルである。 画像とk空間の残差補正を予測し、取得したk空間とのデータの整合性を強制し、周波数認識と残留ドリフト監視を使用して詳細を復元する。 密度の高いエラーマップとスライスレベルのリスクスコアを同一の推論パスで生成する。
  論文  参考訳（メタデータ） (2026-07-02T16:59:03Z)
• Variational Network with Wavelet-based UNET in Accelerated MRI Reconstruction from Under Sampled K-space Data [1.503974529275767]
  本稿では,ウェーブレットベースU-Net(W-UNet)を用いたMRIの高速化のための変分ネットワークを提案する。 このフレームワークは、物理誘導的反復再構成と学習可能なマルチスケールの周波数表現を組み合わせたものである。 fastMRI膝とM4脳データセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-06-13T07:34:28Z)
• Unsupervised Motion-Compensated Decomposition for Cardiac MRI Reconstruction via Neural Representation [22.258006903991404]
  MoCo-INRは、暗黙の神経表現(INR)と従来のモーション補償(MoCo)フレームワークを統合する、新しい教師なしの手法である。 明示的な運動モデリングとINRの連続的先行により、MoCo-INRは正確な心臓運動の分解と高品質なCMR再構成を実現できる。
  論文  参考訳（メタデータ） (2025-11-14T16:05:37Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Dual-Domain Self-Supervised Learning for Accelerated Non-Cartesian MRI Reconstruction [14.754843942604472]
  非カルテシアンMRIの再生を高速化するための完全自己教師型アプローチを提案する。 トレーニングでは、アンダーサンプリングされたデータは、非結合のk空間ドメイン分割に分割される。 画像レベルの自己スーパービジョンでは、元のアンサンプデータから得られる外観整合性を強制する。
  論文  参考訳（メタデータ） (2023-02-18T06:11:49Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
  高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。 変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。 提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-11-18T03:06:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。